TCGA数据库的初次了解
对于研究cancer相关的小伙伴们，相信你们在看文献的过程中，经常可以看到有些作者利用TCGA数据库里的数据进行分析、整合，得到很多有意思的思路。那么TCGA数据库是个啥？里面有写什么东西？我也很好奇，所以决定来学习一下这个数据库的相关知识和使用。
这里有几篇参考文章：
1.TCGA数据库简介--生信修炼手册
2.医学生信(一) TCGA和GEO介绍
3.TCGA数据库-肿瘤基因组图谱
Q1：TCGA数据库是什么？
TCGA: The Cancer Genome Atlas Program。 翻译过来的意思是：癌症基因组图谱计划。顾名思义，这个数据库是收录癌症患者相关信息的。目前收录了来自20000个病人，33个癌症的数据。
官方网站：https://www.cancer.gov/about-nci/organization/ccg/research/structural-genomics/tcga
打开长这样：
Q2：TCGA数据库里都储存了什么信息？
1、临床样本信息：Biospecimen、Clinical
2、测序数据：RNA sequencing， MicroRNA sequencing， DNA sequencing，SNP-based platforms，Array-based DNA methylation sequencing，Reverse-phase array(RPPA)。可以说包括了基因组，转录组，表观遗传，蛋白组等各个组学数据。
NOTE: 这里面不是所有的信息都可以下载的，有些你可以下载到，有些却不能。测序数据共分为四层：level1、level2、level3、level4，其中，level3、level4的数据一般都开放下载的，level1是最原始的数据，level2是做了进一步的处理的，这些数据一般是不开放的，需要申请才能下载。
Q3：这个网站收集的数据那么多，我怎么知道应该去哪儿找到我想要的数据？
上面简单的说了一下这个数据库里有什么，那么这些数据应该在哪里下载？上面的官方网站向下拉，你会看到这些：
点击"Access TCGA Data"这一块，然后会转到下面这个页面：
那么我们需要的数据都在哪里呢？
根据网上的教程：使用GDC在线查看TCGA数据， 这个数据库为了方便管理大量的数据，建立了一个统一的数据模型，如下所示：
最高层级为program,对应不同的数据来源，如TCGA, TARGET等；第二层为project, 代表一系列患者对应的；第三层为case,代表的是同一个患者的所有相关数据，包括SNV, CNV，基因表达谱等多种数据，需要注意的是case和sample是一对多的关系，一个患者可以取多份样本；最后一层是每个case相关的数据，即Files, 数据类型是多种多样的，包括序列，基因表达谱，SNV, CNV, 甲基化，临床信息等多种数据。
那么根据教程里的，下面就来探索一下这个网站。首先试着点击上面打开的网页里绿色方块的"Projects"：
可以看到左边有一栏可以供你选择，那么按照课程说的，最高级是Program，这里可以看到有TCGA、TARGET、GENIE等等数据库来源可以选择。那么接下来就是projects了（Primary Site），你可以选择疾病类型，比如肾、肠、乳腺之类的。比如这里，我在projects里输入的是head and neck，然后program我选择的是TCGA数据库，那么根据我的过滤条件，得到这样的结果：
然后点击TCGA-HNSC，就可以看到summary信息：
再往下拉，你会看到对应每一种的primary site有多少例case:
Q4：大概知道了我想要的数据在哪里了，那么如何下载？
还是根据课程里的走，你可以从以下3个方面来查看和筛选数据：
（1）Cases
（2）Genes
（3）Mutations
这里以case为例。刚才我找到了13个primary site的case，比如说我只想要第一种：base of tongue的case数据。那么点击"24"，会弹出下面的页面：
点击第一个case:TCGA-CV-7406：
那么在这个页面，你可以看到一些测序的信息，在Experimental strategy一栏里。比如我对RNA-seq的信息感兴趣，可以点开看一下：
这里你就可以看出来，有些文件是open的，你可以下载，而有些则是controlled的，是没法下载的，需要申请。那么仔细一看这些可以下载的数据，有的是htseq.count，有的是FPKM，还有的是FPKM-UQ，这些都代表什么意思呢？
教程里（医学生信(一) TCGA和GEO介绍）告诉我们了，根据这张图，你就大概知道这些可以下载的数据都经过哪些处理了：
那么知道了自己想下载的数据在哪里，你只需要点击你选择的那一行的购物车的图标，就可以下载啦。这是对于少量数据下载的方式，如果你需要下载特别多的数据，有另外的方法可以进行。